Cómo suavizar las tendencias

mensuales con promedios

móviles centrados
En los gráficos, podemos suavizar las tendencias mensuales
de dos formas utilizando las medias móviles centradas.  Pero
solo una forma funciona bien con la función AVERAGEIFS de
Excel.
Por
 Charley Kyd
1986

Recientemente leí un artículo en el Wall Street Journal sobre el aumento esperado de

vehículos eléctricos en los EE. UU. Eso me hizo preguntarme si nuestra producción de
electricidad está a la altura del aumento esperado en su demanda.

Así que fui a la base de datos económica de la Reserva Federal, FRED , y busqué
"producción de electricidad". Eso me llevó a Industrial Production: Utilities: Electric and
Gas Utilities , que fue la coincidencia más cercana que pude encontrar.

Cambié los índices de FRED para mostrar los datos como "Cambio porcentual desde hace
un año", descargué esa versión de los datos y configuré mi propio gráfico, así:
Pensé que podía ver un patrón en esos datos volátiles. Pero para estar seguro, necesitaba
suavizar los datos. Un método que siempre me ha funcionado bien con datos mensuales
es usar un promedio móvil centrado (CMA) para suavizar. Al usar un promedio de 12
meses, eliminamos cualquier variación estacional y, por lo general, obtenemos un
resultado que se ajusta muy bien a los datos originales.

(También podría estar interesado en Cómo suavizar datos, utilizando la función

TENDENCIA ).

Configuré una columna con un cálculo de promedio móvil centrado de 12 meses rápido y
sucio, y lo agregué al gráfico, así:
Como puede ver, la línea azul CMA de 12 meses hace un gran trabajo al trazar la
tendencia a través de esos datos volátiles. Pero, ¿cómo calculé un promedio
móvil centrado de 12 meses de datos?

Como expliqué en Cómo crear un pronóstico móvil de ventas estacionales en Excel , un

año tiene un número par de meses. Entonces, cuando tratamos de calcular el CMA para
los doce meses de enero a diciembre, tenemos este problema:

Esto es un problema porque el promedio de las "ventas" (las tasas de crecimiento en este
caso) de enero a diciembre no se aplica ni a junio ni a julio. (Y no, no podemos hacer
trampa asignando arbitrariamente el promedio a uno de los dos meses).

Para solucionar este problema, también incluimos los datos de febrero a enero del año
siguiente en nuestro promedio, como se muestra aquí:
Para realizar este cálculo, configuré una fórmula, que puede ver en la parte superior
derecha de la imagen a continuación, una fórmula que promedió los datos tal como lo
ilustra la imagen de arriba:

Este es el método clásico para calcular un CMA mensual. Pero hay un problema cuando lo
usamos con la función AVERAGEIFS de Excel. Esto se debe a que requeriría una lógica de
cálculo como esta:

=PROMEDIO(PROMEDIO.S.I.(datos de enero-diciembre), PROMEDIO.S.I.(datos de febrero-

enero))

Desafortunadamente, hay tres problemas con ese enfoque. En primer lugar, es mucho
trabajo configurarlo. En segundo lugar, en uso, su fórmula sería muy larga.

Y tercero, un promedio de promedios suele ser incorrecto. Si recuerdo correctamente mis

matemáticas de la escuela secundaria, un promedio de promedios es correcto solo
cuando ambos promedios tienen la misma cantidad de elementos. Pero en los primeros y
últimos seis elementos, eso no es cierto, por lo que es mejor evitar por completo un
promedio de promedios.

Por lo tanto, lo que estoy haciendo ahora es calcular un CMA de 13 meses. Usando una
fórmula rápida y sucia, obtengo este resultado:
Es decir, promedio el rango de datos que comienza seis meses antes del mes actual y
finaliza seis meses después del mes actual. Eso me permite usar una fórmula con una
función AVERAGEIFS, una fórmula que se parece a esto:

=PROMEDIO.SI(Columna de datos, Columna de fecha, “>=” & EDATE (Fecha actual, -6),
Columna de fecha, “<=” & EDATE (Fecha actual, 6))

(El libro de trabajo de descarga  incluye la fórmula real).

Con ambos métodos de suavizado, cada vez hay menos puntos de datos en el promedio
calculado cuando el cálculo está dentro de los seis puntos de datos o menos desde el
principio o el final de los datos.

Y la diferencia efectiva entre los dos métodos es trivial: con el enfoque clásico, de febrero
a diciembre se ponderan más que los valores iniciales o finales de enero. Pero con el
enfoque de 13 meses, los 13 meses tienen el mismo peso.

Para la mayoría de los propósitos, nuevamente, esa es una diferencia trivial. Entonces,

cuando comparamos los dos métodos de suavizado en un gráfico, vemos una diferencia
trivial entre ellos:
Aquí está el resultado final: si desea utilizar AVERAGEIFS para suavizar sus datos mediante
el cálculo de un promedio móvil centrado, utilice el enfoque de 13 meses. Es mucho
menos trabajo de configurar. Sus fórmulas serán menos de la mitad de largas. Y sus
resultados visuales serán igual de buenos.